Hvilke KPI’er forbedrer AI-værktøjer til kundeservice?
Som med de fleste nye, hypede teknologier har AI mange nyttige anvendelsesmuligheder – og masser af andre, der blot er gimmicks. Men når det kommer til kundeservice, er hypen berettiget: Gartner, en virksomhed inden for IT-forskning, vurderer, at chatbots vil være den primære kundeservicekanal for 25 % af virksomhederne inden 2027.
Mange virksomheder integrerer entusiastisk AI-drevne værktøjer som chatbots og prædiktiv analyse i deres kundeserviceprocesser. Og med god grund: Denne teknologi gør det muligt for teams at løse problemer hurtigere og frigøre menneskelige medarbejdere, så de kan fokusere på kunderelationer frem for at besvare det samme spørgsmål for tusinde gang.
Alligevel er det værd at være specifik omkring fordelene:
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Hvilke KPI'er for kundeservice forbedres ved at tilføje AI til kundeservicemikset?
I denne artikel gennemgår jeg syv af de vigtigste nøgletal, som påvirkes mest af at tilføje AI til din kundeservicestrategi. Ved at holde øje med disse kundeservicemålinger står du bedre rustet til at bruge AI til at reducere omkostninger, øge kundetilfredsheden og forbedre kundeoplevelsen.
Hvad er de bedste AI-værktøjer til kundeservice?
Overordnet set falder AI-værktøjer til kundeservice i tre kategorier: kundevendte chatbots og virtuelle agenter, AI-drevet analysesoftware samt AI-værktøjer til backoffice, der hjælper supportmedarbejdere og automatiserer processer.
Kundeserviceteams implementerer ofte værktøjer som:
- Konversationschatbots: Disse bots, der anvender naturlig sprogbehandling, kan føre tekst- eller talesamtaler med kunder for at håndtere almindelige kundeforespørgsler uden behov for menneskelige medarbejdere. Chatbots tilgår vidensbaser for at løse rutinemæssige problemer som kontooplysninger, produktspørgsmål og ofte stillede spørgsmål.
- Virtuelle agenter: Tænk på virtuelle agenter som en slags “avanceret chatbot”, der anvender dybere læringsalgoritmer til at forstå kontekst og føre længere samtaler med kunder; det er også mere sandsynligt, at de har et navn og en personlighed. Ligesom chatbots fungerer virtuelle agenter som den første forsvarslinje og løser mere komplekse problemer, før de efter behov overfører samtalen til menneskelige medarbejdere.
- Prædiktiv analyse: Værktøjer til prædiktiv analyse drives af avancerede maskinlæringsmodeller, der analyserer kundedata for at afdække mønstre. Værktøjer til prædiktiv analyse er særligt nyttige til at forudse kundernes behov og hjælpe medarbejdere med at personalisere servicen; de kan også bruges til at reducere kundeafgang.
- Følelsesanalyse: Værktøjer til følelsesanalyse registrerer kundernes sindsstemning og følelser under samtaler ved at analysere tekst og stemmedata, hvilket gør det muligt for virtuelle agenter at opfange utilfredshed og tilpasse deres tilgang derefter – eller eskalere samtalen til menneskelige medarbejdere.
KPI'er, der forbedres af AI-værktøjer til kundeservice
Succesen med AI-værktøjer til kundeservice defineres i høj grad af, hvor meget af kundeservicebyrden de kan fjerne fra menneskelige medarbejdere. Afledningsrate, omkostning pr. løsning og antal supportsager måler alle denne faktor direkte eller indirekte.
Hastighed er typisk det andet fokusområde: Målinger som første svartid, gennemsnitlig behandlingstid og løsning ved første kontakt kan alle måle, hvor hurtigt kunderne får hjælp.
Forbedring af disse supportmålinger bidrager også i høj grad til at forbedre vigtige målinger som kundetilfredshedsscore (CSAT), net promoter score (NPS) og kundeindsatsscore (CES).
1. Afledningsrate
En stigende afledningsrate er et af de tydeligste tegn på, at din investering i AI-kundeservice giver resultater. Hvis du har investeret i chatbots, virtuelle assistenter eller andre AI-drevne selvbetjeningsværktøjer, bør din afledningsrate – den procentdel af chats, som dine kunstige intelligenssystemer håndterer uden hjælp fra menneskelige medarbejdere – være betydelig.
Fin, en AI-chatbot udviklet af Intercom, kan prale af en afledningsrate på op til 60 %. Afhængigt af kompleksiteten af dine supportforespørgsler kan nogle chatbots håndtere helt op til 80 % af forespørgslerne uden menneskelig indgriben.
Værktøjer som Fin håndterer denne opgave gennem en kombination af naturlig sprogbehandling, foruddefinerede samtaleforløb og en dyb forståelse af din produktdokumentation. Det endelige mål er, at de mest almindelige supporthenvendelser – såsom kontooplysninger, ordrestatus, returneringer og enkel fejlfinding – udelukkende håndteres gennem AI-chatbots, så menneskelige supportmedarbejdere kan fokusere deres opmærksomhed på komplekse henvendelser og relationsopbygning.
2. Omkostning pr. løsning
Hvis man ser på den samlede kundesupportaktivitet på verdensplan, er de samlede tal svimlende: Hvert år indsender kunder 265 milliarder supportanmodninger. Chatbots og AI-assistenter hjælper med at aflaste en del af denne udgift, hvilket mindsker belastningen på menneskelige kundesupportteams og sparer virksomheder for mere end $11 milliarder om året.
AI's indvirkning på omkostningen pr. løsning kan koges ned til én faktor: Det er billigere end mennesker. Det betyder, at din gennemsnitlige omkostning pr. løsning bør falde, efterhånden som du flytter flere kundehenvendelser over til AI-baseret selvbetjening.
Så hvad er AI's præcise indvirkning på omkostningen pr. løsning målt i dollar? Det er notorisk svært at generalisere om omkostningen ved en kundesupportinteraktion på tværs af virksomheder. Der er for mange variabler: branchen, kompleksiteten og lønomkostningerne, for blot at nævne nogle få. Men for at give dig en fornemmelse af de mulige besparelser angiver LiveAgent, et kundesupportværktøj, at branchens gennemsnit for omkostningen pr. kontakt er $7.16. I mellemtiden er Fin – den førnævnte AI-chatbot udviklet af Intercom – 86 % billigere med en omkostning på $.99 pr. løsning.
3. Første svartid (FRT)
Erfarne CX-ledere spekulerer måske på, hvor deres fokus bør ligge i AI's tidsalder. Én klassisk prioritet inden for kundeoplevelsen er mere relevant end nogensinde: at spare kundernes tid. Ifølge Forrester siger 66 % af kunderne, at det vigtigste, en virksomhed kan gøre, er at værdsætte deres tid. Efterhånden som chatbots er blevet udbredt, er kundernes forventninger steget: 40 % af kunderne forventer et svar fra en chatbot inden for fem sekunder.
Hvis AI er noget, er det hurtigt: Chatbots kan svare kunder inden for få sekunder, 24 timer i døgnet. For kunder, der har brug for en menneskelig medarbejder, kan virtuelle agenter indsamle oplysninger og få en kundeservicemedarbejder i realtid på linjen inden for cirka 30 sekunder. Herefter kan AI hjælpe yderligere ved at give medarbejderne kontekstbevidste forslag.
Den nyeste supportsoftware – forbedret med AI – gør det nemt at overvåge al denne chatbot- og menneskeaktivitet fra et fugleperspektiv, mens analyser automatisk anvendes, så du kan se tendenser og muligheder for procesforbedringer.
4. Antal supportsager
En af de nemmeste måder at måle din samlede kundesupportaktivitet på er at se på antallet af supportsager. Konsekvenserne på overfladen er tydelige: Høje tal betyder et travlt team.
Men antallet af supportsager hænger også sammen med bredere indikatorer, der knytter sig til kundetilfredshed. En undersøgelse viste, at virksomheder med færre supportsager har en tendens til at have højere CSAT-scorer. Når antallet af supportsager stiger, bliver kundesupportteams presset, og som følge heraf har CSAT-scorerne en tendens til at falde.
Heldigvis er værktøjer, der integrerer AI til kundesucces, velegnede til at reducere antallet af supportsager. Chatbots er den primære metode: De kan afværge mange kundehenvendelser, før de overhovedet bliver til supportsager. Det er også afgørende at have en robust vidensbase, som derefter bruges til at træne dine virtuelle agenter.
5. Gennemsnitlig håndteringstid (AHT)
Den ideelle gennemsnitlige håndteringstid for én virksomhed er ikke nødvendigvis relevant for en anden; virksomheder med lav kompleksitet som detailhandel har for eksempel en tendens til at have en relativt lav AHT, mens teleselskaber typisk ligger højere. Men generelt er en "god" AHT omkring seks minutter i et traditionelt callcenter.
Livechat har en tendens til at have længere AHT'er, fordi både medarbejdere og kunder kan multitaske, og medarbejderne ofte håndterer tre eller flere chats på én gang. Hvis en kunde henvender sig med et problem, gælder det stadig, at jo hurtigere det bliver løst, desto mere tilfreds bliver kunden.
For simple forespørgsler kan chatbots reducere AHT ved at give svar på mange almindelige spørgsmål næsten øjeblikkeligt. Ved mere komplekse problemer kan virtuelle agenter hurtigt indsamle de nødvendige oplysninger fra kunder, før de overdrager dem til menneskelige agenter, som kan tage de sidste skridt.
6. Førstekontaktløsning (FCR)
Der er ikke noget mere frustrerende end at kontakte kundesupport for så at ende med at henvende sig igen, fordi problemet ikke blev løst første gang. Når kunder henvender sig for anden gang, kan manglen på en hurtig løsning allerede have skadet deres opfattelse af din virksomheds service.
Derfor er det så afgørende at løse problemerne, første gang kunderne kontakter dig. Ideelt set bør fire ud af fem kundeproblemer løses ved første kontakt: 70-79 % betragtes som en ‘god’ FCR-rate ifølge benchmarking af kontaktcenterbranchen udført af SQM Group.
Virtuelle agenter drevet af AI kan forbedre din førstekontaktløsningsrate ved at hjælpe kunder med hurtigt at løse deres problemer gennem selvbetjening. AI kan også hjælpe menneskelige agenter med at løse flere problemer ved første kontakt ved at opsummere tidligere kundeinteraktioner og foreslå løsninger.
7. Fastholdelsesrate
Der findes ingen vigtigere måling for SaaS-virksomheder end fastholdelsesraten. Heldigvis kan AI i proaktiv kundesupport hjælpe: prædiktiv analyse drevet af AI og værktøjer til sentimentanalyse kan gennemgå enorme mængder kundedata for at afdække signaler, der indikerer, hvornår en kunde er i risiko for at forlade virksomheden.
Data som demografi, købshistorik, brugshistorik, sentiment og tilfredshedsundersøgelser kan være svære at forstå isoleret set, men analyseværktøjer kan registrere subtile mønstre og skabe unikke modeller til forudsigelse af kundeafgang, så man proaktivt kan vinde kunder tilbage, før de forlader virksomheden.
Styrken ved AI-understøttet kundeservice
AI har potentiale til at skabe en sjælden situation, hvor alle tre parter vinder, inden for kundeservice: lavere omkostninger for virksomheder, hurtigere service for kunder og mindre gentaget arbejde for supportmedarbejdere.
En positiv spiral forbinder disse tre faktorer. Ved at overlade kundehenvendelser med stor volumen til AI reducerer virksomheder omkostningerne, og menneskelige agenter får mere tid til arbejde, der udnytter deres styrker.
Kunder får en kombination af hurtigere service ved rutineinteraktioner og mere empatisk service ved komplekse interaktioner, hvilket forbedrer fastholdelse og tilfredshed. Virksomheder, der prioriterer empatiske formuleringer i kundeservice, oplever ofte højere tilfredshedsrater.
Ved at følge de rigtige KPI’er for kundeservice kan du sikre, at AI har den ønskede effekt på din kundesupportoplevelse—og dermed skabe gladere og mere loyale kunder.
Hvis du vil vide mere om KPI’er, kan du læse vores dybdegående artikel om de vigtigste målinger for kundesucces. Vil du holde dig opdateret om det seneste inden for CX-branchen? Så husk at tilmelde dig vores nyhedsbrev for tips om CX-ledelse, marketingstrategier, indsigt og branchetendenser.
